OpenMDSP: Extending OpenMP to Program Multi-Core DSPs

Abstract Multi-core digital signal processors （DSPs） are widely used in wireless telecommunication, core network transcoding, industrial control, and audio/video processing technologies, among others. In comparison with general-purpose multi-processors, multi-core DSPs normally have a more complex memory hierarchy, such as on-chip core-local memory and non-cache-coherent shared memory. As a result, efficient multi-core DSP applications are very difficult to write. The current approach used to program multi-core DSPs is based on proprietary vendor software development kits （SDKs）, which only provide low-level, non-portable primitives. While it is acceptable to write coarse-grained task-level parallel code with these SDKs, writing fine-grained data parallel code with SDKs is a very tedious and error-prone approach. We believe that it is desirable to possess a high-level and portable parallel programming model for multi-core DSPs. In this paper, we propose OpenMDSP, an extension of OpenMP designed for multi-core DSPs. The goal of OpenMDSP is to fill the gap between the OpenMP memory model and the memory hierarchy of multi-core DSPs. We propose three classes of directives in OpenMDSP, including 1） data placement directives that allow programmers to control the placement of global variables conveniently, 2） distributed array directives that divide a whole array into sections and promote the sections into core-local memory to improve performance, and 3） stream access directives that promote big arrays into core-local memory section by section during parallel loop processing while hiding the latency of data movement by the direct memory access （DMA） of a DSP. We implement the compiler and runtime system for OpenMDSP on PreeScale MSC8156. The benchmarking results show that seven of nine benchmarks achieve a speedup of more than a factor of 5 when using six threads.     

采用数据流图的故障模型生成算法及其应用

为有效地解决系统级故障注入试验建模困难问题,提出语言级生成数据流图,并以此构造动态故障树的故障模型建立方法.通过对故障过程数据流分析,找出数据依赖关系并构造了故障模型生成算法.与其他方法比较,本算法具有动态性,提高了故障覆盖率,减少了系统开销,使故障注入试验更易实现.     

大数据处理模式——系统结构,方法以及发展趋势

近年来,大数据处理的相关理论以及技术越来越受到工业界和学术界的重视.一方面,在科学研究过程中产生了大量的数据,对于数据的理解成为进行科学研究的一个重要手段.另一方面,随着信息技术的不断发展,企业在信息化过程中积累了大量的结构化和非结构化数据.企业管理与运营的这些数据已经成为企业的核心资产,深刻地影响着企业的业务模式,给企业决策、组织和业务流程带来显著的变化.因此,大数据处理的相关技术也受到工业界的极大关注.依据数据处理的时间特征,大数据处理模式可以分为"离线批处理式数据处理","查询式数据处理"以及"实时式数据处理"三种模式.本文从技术角度,总结了大数据处理的总体架构,并针对处理模式的不同,对大数据处理的不同层次进行展开讨论.大数据处理的基础是数据的存储,本文首先对大数据的存储展开一定的讨论,之后对上述三种模式展开叙述,使得读者能够对大数据系统的构建方面有一个初步的了解.     

高可用集群计算

根据集群计算的特点,论述高可用集群计算系统检查点设置与卷回恢复、检查点镜像、进程迁移以及系统动态重构等关键技术。最后,论文对我们自行研制的ＣｈａＲＭ系统进行了介绍,并与同类系统进行了比较。     

教育部——Intel精品课程“高等计算机系统结构”内容介绍

1 简介 《高等计算机系统结构》课程是《计算机系统结构》的后续课程,全面讨论了并行计算机的系统结构,对先进计算机系统的理论、技术、系统结构和软件进行了全面介绍。     

多核体系下的并行任务构建

基于多核体系下的系统运行效率越来越受到各行业的关注,一个系统往往是由若干软件子模块构成的.一个完整的系统可以由Tomcat,Httpd以及Lucene这3个软件模块构成.这些软件本身均进行了一定的优化,各自运行效率都良好,可是如果将它们整合成一个系统,其效率的提高仍需要从整体多方面考虑.从不同软件的子任务之间的关系入手,通过分析它们的特点,提出苦干提高整体性能的方案.研究贡献在于以下3个方面:1)线程间同步操作的消除;2)通过多任务重排提高并行度;3)系统调用的单线程化.结果表明系统整体性能得到了提高,同时,每个子任务完成的功能更加清晰明了.     

基于XML实现应用网关可配置服务的方法

可配置能力是系统灵活性的重要体现。基于XML语言建立系统的可配置能力是现今比较流行的做法。应用网关是一种特别强调可配置能力的系统。文章结合应用网关模型，使用DTD数据字典的形式对系统配置的几个方面的要点进行了叙述。     

NAS和SAN的融合方案与研究

NAS系统和SANs是网络存储技术发展的两个主要方向．NAS和SAN的融合可以解决SAN和NAS之间存储共享问题，提高效率，是存储需求的趋势．本文对NAS和SAN的关系以及它们融合涉及的技术进行了论述，然后给出了它们融合的方案及特点．     

Myrinet:一种适用于机群系统的新型高速网络

机群系统用于并行处理具有很多ＭＰＰ系统所没有的优点，但要实现高性能的机群系统，则需要高带宽、低延迟的高速网络的支持。该文从软硬件结构、采用的技术及其应用实例几方面介绍了一种适用于机群系统的新型高速网络———Ｍｙｒｉｎｅｔ，并通过实验测试数据以及与其它高速网络特性的对比可知，Ｍｙｒｉｎｅｔ的性能／价格比很高，是组建机群系统的理想网络解决方案。     

DENNET中降低调试器干扰的机制

DENNET是清华大学高性能计算所开发的一个机群系统并行程序调试环境．本文分析并行程序调试环境的现状和发展趋势；阐述调试环境对并行程序的干扰问题，指出降低乃至完全消除干扰是并行程序调试环境的一个重要研究方向，介绍了DENNET设计时采用的两种降低干扰的技术．